重磅！OpenCV4.3发布，深度神经网络模块支持全面升级

点击上方“AI算法与图像处理”，选择加"星标"或“置顶”

重磅干货，第一时间送达

来源opencv学堂 & opencv团队

OpenCV4.3正式发布，包括集成ARM上tengine推理加速引擎框架支持，OpenVINO加速引擎默认使用 nGraph API等重大改动。

OpenCV 4.3.0正式发布了！这个版本的一个大看点是：OpenCV的深度学习模块DNN在ARM上性能显著提升。

DNN模块

对层与激活函数支持提升，主要包括

ONNX，LSTM、广播、分片输入支持等

Darknet，支持组卷积、通道尺度、sigmoid与switch

支持MobileNet V3了

英特尔OpenVINO的Inference Engine

基于nGraph的自定义层支持

默认使用nGraph API作为后台

CUDA部分的BUG修正与性能优化

Open AI LAB团队提交了基于ARM平台的DNN加速Patch支持，主要是基于他们自己开发的Tengine库。对OpenCV DNN模块使用Tengine加速与不使用的测试对比

其它重要改动

HOUGH圆检测，得益于一个新算法HOUGH_GRADIENT_ALT支持，比以前有很大程度的精度提升，测试对比如下：

扩展模块中

编译的时候默认SIFT特征检测自动勾选，这个是因为SIFT算法到期的原因，从此小白再也不用寻找如何勾选它了。编译就会有！

性能方面：

支持CPU优化的IPP-ICV库已经更新

SIMD指令，积分图与放缩(integral and resize) RLOF已经实现

我们再来看看OpenCV 4.3.0还带来了哪些新功能和提升：

DNN对很多网络层进行了提升，如ONNS中的LSTM, Broadcasting, Algebra over constants, Slice with multiple inputs；DarkNet中的grouped convolutions, sigmoid, swish, scale_channels；MobileNet-SSD v3

更多OpenVINO后端特性：可通过nGraph添加自定义层

优化CUDA后端，并杀掉一些BUG

可以使用最新的IPP-CV 2020.0.0Gold版本进行CPU优化

使用SIMD指令优化了integral、resize和RLOF实现

更多演示和例子

opencv_contrib：增加了Alpha Matting算法

calib3d：findChessboardCornersSB算法提升

core：getNumberOfCPUs()函数提升

imgcodecs：支持OpenJPEG库

highgui(Qt)：增加到剪切板的复制功能

等等

下载与发布日志地址

想试试不，下面是下载地址：

https://github.com/opencv/opencv/releases

更多详细的发布说明，参见Release Log

https://github.com/opencv/opencv/wiki/ChangeLog#version430

源代码下载

https://github.com/opencv/opencv/archive/4.3.0.zip
Windows预编译版下载

https://sourceforge.net/projects/opencvlibrary/files/4.3.0/opencv-4.3.0-vc14_vc15.exe/download
文档页面

https://docs.opencv.org/4.3.0/
GitHub分支

https://github.com/opencv/opencv/tree/4.3.0
ChangeLog

https://github.com/opencv/opencv/wiki/ChangeLo

将这个消息分享给你的好兄弟吧

打开WX，搜索：，获取更多内容